-
公开(公告)号：CN114022759B
公开(公告)日：2024-07-12
申请号：CN202111160863.1
申请日：2021-09-30
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V20/10 , G06V10/24 , G06V10/25 , G06V10/30 , G06V10/32 , G06V10/44 , G06V10/764 , G06V30/19 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T5/90 , G06T5/40
Abstract: 一种融合神经网络时空特性的空域有限像素目标检测系统及方法。系统包括数据增强模块、深度学习目标检测模块、时序信号处理模块、光流检测模块、结果融合模块；数据增强模块使用滤波算法去除图像中随机噪声、使用频域处理技术去除频域内噪声、使用直方图均衡增加图像对比度；深度学习检测模块完成模型训练过程，得到稳定深度学习目标检测器，给出单帧目标检测的结果；时序信号处理模块判定图像中目标检测结果是否由背景干扰、噪声干扰造成虚警结果；光流检测模块计算其光流信息，通过图像运动的光流特征判断目标检测结果是否由背景干扰、噪声干扰造成虚警结果，给出了有限像素目标在相邻两帧图像上的时间域信息；结果融合模块将信息进行融合，通过聚类分析方式综合判定目标检测有效性。
-
公开(公告)号：CN116386041A
公开(公告)日：2023-07-04
申请号：CN202310256350.3
申请日：2023-03-16
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V20/70 , G06V10/46 , G06V10/762 , G06V10/82 , G06N3/0475
Abstract: 本公开的基于生成式对抗网络的图像数据扩增方法及装置，通过提取训练图像的底层语义特征，形成训练图像的视觉词汇；根据所述训练图像的目标场景内涵，及所述视觉词汇的内涵和外延标注所述目标场景的目标标注词；构建生成式对抗网络，利用所述训练图像、目标标注词、随机噪声训练所述生成式对抗网络，直到所述生成式对抗网络输出的图像数据满足需求，得到扩增图像数据。能够突破样本语义场景的转换瓶颈和解决多源信息的小样本图像分类识别问题，提升扩增图像数据的质量，提升人工智能算法的性能。
-
公开(公告)号：CN117911814A
公开(公告)日：2024-04-19
申请号：CN202211246000.0
申请日：2022-10-12
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及人工智能与目标识别技术领域，尤其公开了一种跨模态语义对齐的零样本图像处理系统及处理方法，包括图像数据采集模块，接收嵌入式平台下不同传感器采集的图像信息，进行多路图像融合；视觉特征提取模块，利用深度卷积神经网络进行视觉特征提取得到图像视觉特征；语义信息采集模块；语义特征提取模块；跨模态语义对齐模块，利用跨模态语义对齐算法对视觉特征和语义特征进行对齐约束，建立跨模态映射关系，对新输入图像进行图像处理，输出图像目标类别和位置信息。本发明针对高空环境动态图像数据，采用多路传感器进行图像采集，设计嵌入式实时系统对图像进行快速零样本识别与检测，可高效、可靠地实现对稀缺高空图像数据的实时感知决策。
-
公开(公告)号：CN115908934A
公开(公告)日：2023-04-04
申请号：CN202211544163.7
申请日：2022-12-03
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本公开的基于仿海马体记忆机制的图像处理方法，通过基于深度自编码器对接收的样本图像信息进行特征提取得到样本图像的特征图；利用与任务背景相关的图像和样本图像的特征图建立背景知识图谱；利用生成模型和鉴别模型对样本图像的特征图进行对抗式训练得到与样本图像的特征图独立同分布的扩增特征图；基于背景知识图谱获取当前场景下与待识别目标场景相关的目标数据，利用仿海马体记忆机制对目标数据和扩增特征图进行时域信息推理得到时域信息推理结果T，对时域信息推理结果T进行识别得到时域信息识别结果M，对时域信息推理结果T和时域信息识别结果M进行IOT计算，得到基于仿海马体记忆机制的识别结果HM；将扩增特征图输入元学习深度神经网络进行训练，输出元学习的小样本学习识别结果Meta；利用聚类算法对识别结果HM和小样本学习识别结果Meta进行聚类，得到图像处理结果。能够显著提升了小样本约束条件下图像识别能力，提升扩增图像数据的质量。
-
公开(公告)号：CN113962968B
公开(公告)日：2024-06-04
申请号：CN202111250098.2
申请日：2021-10-26
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06T7/00 , G06T7/11 , G06T5/40 , G06T5/70 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及面向复杂电磁环境下多源混合干扰雷达图像目标检测系统，属于雷达图像目标检测领域；包括数据增强模块、图像去噪模块、基于深度学习的目标检测训练模块和模型评估模块；其中，数据增强模块包括传统数据增强模块和基于生成对抗网络的数据增强模块；通过生成对抗网络，实现雷达多普勒图像数据的数据扩增；通过图像去噪神经网络过滤了复杂混合干扰，相较于背景建模等方法，该方法实用性更强；通过深度检测网络实现了去噪后图像高准确度识别，实现了目标精准定位，此外为考核算法的时间性能和识别能力，本发明还提出了一种评估方法，从而提高实际工程应用中对目标检测算法高准确度的需求，为高精度目标识别应用场景提供了有力的算法支撑。
-
Patent Agency Ranking
公开(公告)号：CN118052040A
公开(公告)日：2024-05-17
申请号：CN202410048191.2
申请日：2024-01-12
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明提出一种基于逆强化学习算法的即时战略推演场景仿真方法，属于人工智能技术领域，包括如下步骤：S1、构建适用于即时战略推演场景的仿真模型；仿真模型包括环境策略空间描述研究模块、多智能体对抗的优先级虚拟自学习策略方法模块和推理性模仿学习模块；S2、构建多智能体对抗的优先级虚拟自学习策略方法；以历史智能体的组合作为集合，为智能体的对手创造历史经验池；S3、构建逆向强化学习实现推理性模仿学习；采取逆向强化学习直接观察专家行为设置奖励值，收集专家数据，将专家与环境相互作用的数据与网络训练相结合；利用专家数据的行为构造新型奖励。本发明解决了体系对抗指挥决策不确定性效果难以预测和评估的问题。
-
公开(公告)号：CN113962968A
公开(公告)日：2022-01-21
申请号：CN202111250098.2
申请日：2021-10-26
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及面向复杂电磁环境下多源混合干扰雷达图像目标检测系统，属于雷达图像目标检测领域；包括数据增强模块、图像去噪模块、基于深度学习的目标检测训练模块和模型评估模块；其中，数据增强模块包括传统数据增强模块和基于生成对抗网络的数据增强模块；通过生成对抗网络，实现雷达多普勒图像数据的数据扩增；通过图像去噪神经网络过滤了复杂混合干扰，相较于背景建模等方法，该方法实用性更强；通过深度检测网络实现了去噪后图像高准确度识别，实现了目标精准定位，此外为考核算法的时间性能和识别能力，本发明还提出了一种评估方法，从而提高实际工程应用中对目标检测算法高准确度的需求，为高精度目标识别应用场景提供了有力的算法支撑。
-
公开(公告)号：CN112307991A
公开(公告)日：2021-02-02
申请号：CN202011214381.5
申请日：2020-11-04
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本申请公开了一种图像识别方法、装置及存储介质，用于降低漏检率，提升目标检测的准确度。本申请公开的图像识别方法包括：读取待处理图像，对所述待处理图像进行预处理，得到第一图像；加载深度神经网络的权重系数；将所述第一图像输入所述深度神经网络，进行识别目标的预测，得到预测结果；根据所述预测结果，在待处理图像中绘制识别目标。本申请还提供了一种图像识别装置及存储介质。
-
公开(公告)号：CN118052271A
公开(公告)日：2024-05-17
申请号：CN202410048119.X
申请日：2024-01-12
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明提出一种基于强化学习的智能飞行器群体组建与重构方法，属于人工智能技术领域，包括如下步骤：S1、基于强化学习的蜂群自组织；先进行作战任务分析，再进行杀伤链要素解析，在杀伤链要素解析的基础上，完成基于强化学习的作战单元自组织；采取基于深度强化学习的组织结构自学习方式针对每个特定任务形成特定组织结构，使用专家知识系统形成迁移学习与强化学习结合的方式，用收集的专家数据行为，约束智能体的探索性行为；S2、蜂群杀伤链路径动态优化，完成蜂群杀伤链路径规划任务；S3、自适应对抗演练与高质量博弈决策，通过实验结果验证模型合理性与先进性。本发明解决了现有技术无法求解蜂群最优组合，限制了蜂群最大作战效能发挥的问题。
-
公开(公告)号：CN112232195B
公开(公告)日：2024-02-20
申请号：CN202011102640.5
申请日：2020-10-15
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V40/30 , G06F16/31 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种手写汉字识别方法、装置及存储介质，用于提高文档扫描类图像的手写汉字体识别的可靠性和效率。本申请提供的手写汉字识别方法包括：构建网络结构；输入待识别的汉字序列图像；确定所述网络结构中各层网络的权重参数；根据所述权重参数，在所述网络结构中计算所述待识别的汉字序列图像，确定标签序列，其中所述标签序列包括汉字概率信息；根据所述标签序列和汉字词库表，进行汉字反映射，确定识别出的汉字。本申请还提供了一种手写汉字识别装置及存储介质。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.035 seconds)
